發(fā)布時間：2018-02-15 13:25

  本文關(guān)鍵詞： 人眼檢測 局部二值模式 局部相位量化 二維Gabor小波 深度信念 支持向量機　出處：《杭州電子科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：人臉表情是人類情感的載體,作為人類日常交往中一種重要的信息,反映了人類的心理狀態(tài)。人們通過微小的表情變化,傳遞給他人不同的情感信息。隨著科技的不斷發(fā)展,人們對于人機交互的方式的要求更為多元化,如何讓計算機讀懂人臉表情信息成為當(dāng)前一個熱門的研究課題。如今表情識別技術(shù)受到了越來越多的重視,在諸多領(lǐng)域得到廣泛地應(yīng)用。本文對表情圖像識別流程的三個步驟中用到的相關(guān)算法進行深入研究。研究內(nèi)容以及創(chuàng)新性工作包括以下幾點:(1)針對預(yù)處理環(huán)節(jié)切割純表情圖像問題,運用積分投影方向,定位人眼以及眼球精確區(qū)域。根據(jù)傳統(tǒng)的“三庭五眼”面部模型切割出純表情圖像,用雙線性插值法計算插值灰度對其進行尺度歸一化處理,將圖像尺度歸一化為128×128,然后用直方圖均衡化方法對圖像進行灰度歸一化處理,最后得到標(biāo)準(zhǔn)表情圖像,為后續(xù)圖像特征提取奠定基礎(chǔ)。(2)提出一種融合局部二值模式和局部相位量的特征提取算法。該算法分別采用局部二值模式和局部相位量將人臉表情圖像轉(zhuǎn)換成相對應(yīng)的特征譜,通過不同分塊下的表情識別率實驗,確定最優(yōu)分塊策略。接著將兩種特征譜轉(zhuǎn)換為直方圖特征序列,并且將兩個直方圖特征序列串行連接,解決了局部特征提取表情特征信息丟失的問題。對比單獨局部二值算法、局部相位量算法和二維Gabor小波算法,取得了較高的識別率。(3)提出一種基于深度信念網(wǎng)絡(luò)模型的人臉特征提取與識別算法。對深度信念網(wǎng)絡(luò)參數(shù)采用動態(tài)搜索方法,確定了最優(yōu)的參數(shù)以及度信念網(wǎng)絡(luò)深度與迭代次數(shù)。對比傳統(tǒng)的支持向量機算法,該算法整體識別率提高了4.1%。(4)針對傳統(tǒng)表情識別系統(tǒng)形式單一、可擴展性差、移動設(shè)備不兼容等問題。設(shè)計了一款基于B/S架構(gòu)的在線人臉表情識別系統(tǒng)軟件。解決了PC、平板、手機等設(shè)備兼容性問題,滿足了響應(yīng)式布局的設(shè)計理念,針對不同的設(shè)備視口,展現(xiàn)不同的頁面樣式。
[Abstract]:Facial expression is the carrier of human emotion, as a kind of important information in human daily communication, it reflects the psychological state of human beings. People transmit different emotional information to others through small expression changes. With the development of science and technology, The demands of human-computer interaction are more diversified. How to make the computer understand facial expression information has become a hot research topic. Nowadays, more and more attention has been paid to facial expression recognition technology. It is widely used in many fields. In this paper, the related algorithms used in the three steps of facial expression image recognition are studied in depth. The research contents and innovative work include the following points: 1) aiming at the preprocessing link. Cut pure expression image problem, Using integral projection direction to locate the precise area of human eye and eyeball. According to the traditional facial model of "three Chambers and five eyes", the pure expression image is cut out, and the bilinear interpolation method is used to calculate the interpolation gray level to normalize its scale. The image scale is normalized to 128 脳 128, and the histogram equalization method is used to normalize the gray level of the image. Finally, the standard facial expression image is obtained. A feature extraction algorithm combining local binary mode and local phase quantity is proposed, which uses local binary mode and local phase to transform facial expression image into corresponding feature spectrum. The optimal partitioning strategy is determined by the experiment of facial expression recognition rate under different blocks. Then, the two feature spectra are transformed into histogram feature sequences, and the two histogram feature sequences are connected serially. The problem of information loss of local feature extraction is solved. Compared with single local binary algorithm, local phase measure algorithm and two-dimensional Gabor wavelet algorithm, A face feature extraction and recognition algorithm based on depth belief network model is proposed. Dynamic search method is used for the parameters of depth belief network. The optimal parameters, the depth of degree and belief network and the number of iterations are determined. Compared with the traditional support vector machine algorithm, the overall recognition rate of the algorithm is improved by 4.1g / L) for the traditional expression recognition system, the form is single and the expansibility is poor. This paper designs an online facial expression recognition system software based on B / S architecture. It solves the compatibility problem of PC, tablet, mobile phone and other devices, satisfies the design idea of responsive layout, and aims at different device view ports. Display different page styles.
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 李蕊;劉鵬宇;賈克斌;;局部遮擋條件下的人臉表情識別[J];計算機應(yīng)用與軟件;2016年09期

2 張晶瑩;;基于物聯(lián)網(wǎng)的智能家居控制系統(tǒng)設(shè)計[J];裝備制造技術(shù);2016年06期

3 唐紅梅;喬帆帆;郭迎春;王霞;;基于改進的LTP人臉表情識別算法[J];電視技術(shù);2016年02期

4 儲久良;袁寶華;任明武;;基于LPQ和Fisherfaces的模糊人臉識別[J];河南理工大學(xué)學(xué)報(自然科學(xué)版);2015年06期

5 鐘志鵬;張立保;;基于多核學(xué)習(xí)特征融合的人臉表情識別[J];計算機應(yīng)用;2015年S2期

6 胡敏;李X;王曉華;任福繼;;基于直方圖加權(quán)HCBP的人臉表情識別[J];電子測量與儀器學(xué)報;2015年07期

7 孫波;劉永娜;陳玖冰;羅繼鴻;張迪;;智慧學(xué)習(xí)環(huán)境中基于面部表情的情感分析[J];現(xiàn)代遠(yuǎn)程教育研究;2015年02期

8 呂啟;竇勇;牛新;徐佳慶;夏飛;;基于DBN模型的遙感圖像分類[J];計算機研究與發(fā)展;2014年09期

9 李揚;郭海礁;;基于LBP和SVM決策樹的人臉表情識別[J];現(xiàn)代計算機(專業(yè)版);2014年09期

10 李秋華;唐鑒波;柏森;朱桂斌;;基于聲紋識別和語音識別的網(wǎng)絡(luò)賬號身份認(rèn)證系統(tǒng)[J];信息網(wǎng)絡(luò)安全;2013年12期

相關(guān)博士學(xué)位論文 前1條

1 張劍;基于內(nèi)容的智能視頻監(jiān)控關(guān)鍵技術(shù)及在公共安防中的應(yīng)用研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前9條

1 王鎮(zhèn);基于HOG特征的人臉表情識別算法研究[D];南京郵電大學(xué);2015年

2 洪金玉;基于BoW模型的人臉表情識別算法的研究[D];東北大學(xué);2014年

3 陸華;基于局部二值模式的人臉識別和表情識別研究[D];山東大學(xué);2014年

4 王高峰;基于AAM的人臉識別與表情分析[D];青島科技大學(xué);2014年

5 趙春偉;基于PCA與LDA的表情識別算法研究[D];西安電子科技大學(xué);2014年

6 李玉朵;基于SVM的人臉表情識別研究[D];河北工程大學(xué);2012年

7 孔健;基于MLBP-TOP與光流多特征的人臉表情融合識別研究[D];江蘇大學(xué);2009年

8 劉秋菊;基于Gabor的人臉表情識別研究[D];蘇州大學(xué);2009年

9 黃非非;基于LBP的人臉識別研究[D];重慶大學(xué);2009年

，

本文編號：1513366